Jenis dan Sumber Data

IV. HASIL DAN PEMBAHASAN

4.1. Identifikasi Persistensi Regional

Subbab berikut bertujuan untuk mengidentifikasi keberadaan persistensi pengangguran di tingkat provinsi di Indonesia. Secara teoretis, pengangguran yang berada pada kondisi persisten, memiliki kecenderungan untuk dapat kembali ke tingkat pengangguran alamiahnya mean reversion walaupun dengan intensitas yang sangat lambat. Artinya dengan melakukan uji akar unit, persisten atau tidaknya pengangguran terlihat dari karakteristik data yang bersifat stasioner. Regresi ADF persamaan 4 dengan pendekatan intercept dan trend menghasilkan probabilitas sebesar 0,000 sehingga diputuskan bahwa H di mana data panel mengandung unit root ditolak dan disimpulkan bahwa data panel tersebut bersifat stasioner. Di samping itu, untuk memperkuat keyakinan bahwa data panel pada periode tersebut stasioner, pengujian juga dilakukan dengan metode panel unit root lain seperti LL, dan Breitung yang menunjukkan bahwa data panel pada rentang waktu tersebut stasioner Lampiran 2. Tabel 1 Pengujian Persistensi Pengangguran Regional di Indonesia Statistic Probabilitas -5,91667 0,0000 Sumber: Lampiran 1 Selanjutnya adalah menghitung koefisien persistensi dengan menggunakan persamaan 2 untuk memastikan bahwa koefisien tersebut lebih kecil dari satu near unit root. Hasil estimasi Hausman diperoleh nilai probabilitas sebesar 0,000 yang berarti tolak H sehingga fixed effect merupakan model yang terbaikLampiran 3 . Hasil analisis secara ringkas dapat dilihat pada Tabel 2 berikut dan ini merupakan indikasi yang relatif kuat mengenai terjadinya persistensi pengangguran. Dengan demikian, berdasarkan dua pengujian tersebut dapat Dengan menggunakan pendekatan fixed effect nilai koefisien yang diperoleh adalah sebesar 0,8753 near unit root dengan probabilitas 0,000. disimpulkan bahwa selama periode analisis, pengangguran pada 26 provinsi yang terjadi di Indonesia secara umum bersifat persisten. Tabel 2 Koefisien Persistensi Pengangguran Regional Indonesia. Koefisien Probabilitass t-stat R 2 0,8753 0,0000 19,33 0,863 Sumber: Lampiran 4

4.2. Analisis Determinasi Pengangguran Regional

Sub bab berikut bertujuan untuk menganalisis faktor determinasi pengangguran regional. Uji Hausman digunakan untuk memilih metode terbaik antara fixed effects dengan random effects. Hasil uji Hausman menunjukkan nilai probabilitas 0,000 yang berarti tolak H Asumsi yang harus dipenuhi dalam persamaan regresi adalah bahwa estimasi parameter dalam model regresi bersifat Best Linier Unbiased Estimate BLUE maka var u sehingga dapat disimpulkan fixed effects lebih baik dari random effect Lampiran 5. i harus sama dengan σ 2 Setelah mengestimasi model maka selanjutnya adalah interpretasi terhadap persamaan regresi. Pada Tabel 3 hasil estimasi memberikan nilai koefisien determinasi R konstan atau semua error mempunyai varian yang sama. Heteroskedastisitas dapat dideteksi dengan membandingkan sum squared resid pada GLS weighted dengan OLS unweighted. Berdasarkan uji dan pengamatan hasil pengolahan, ditemukan adanya heteroskedastisitas Lampiran 6. Hal ini disebabkan karena sum square resid pada GLS weighted lebih kecil dibandingkan dengan OLS unweighted. Untuk mengatasi pelanggaran ini dilakukan estimasi GLS dengan white- heteroscedasticity Lampiran 7. Pendeteksian dengan adanya autokorelasi juga dilakukan pada model dengan melihat nilai statistik Durbin-Watson. Hasil estimasi pada output didapatkan DW hitung sebesar 1,545 yang berarti berada di daerah dU dan 4-dU tidak ada korelasi. Berdasarkan estimasi dan evaluasi dengan menggunakan uji OLS klasik terhadap model fixed effect dengan perlakuan cross section weights dan white heteroscedasticity, maka model estimasi tersebut merupakan model terbaik dalam penelitian ini. 2 sebesar 0,87. Hal ini menunjukkan bahwa 87 persen